Uji Multikoleniaritas Jika Menguji Ketepatan Predictor

63

3. Uji Multikoleniaritas

Uji multikolinearitas bertujuan untuk menguji apakah variabel pada model regresi ditemukan adanya korelasi antar variabel independen. Model regresi yang baik seharusnya tidak ditemukan adanya korelasi di antar avariabel independen. Tabel 4.10 Uji Multikolinearitas Substruktur 1 Coefficients a Model Unstandardized Coefficients Standardiz ed Coefficients T Sig. Collinearity Statistics B Std. Error Beta Toleranc e VIF 1 Constant 5.375 2.718 1.978 .053 Entrepreneurial Networking .565 .075 .718 7.505 .000 1.000 1.000 a. Dependent Variable: Keunggulan Bersaing Sumber: Hasil Pengolahan SPSS 2016 Berdasarkan Tabel 4.10 dapat dilihat bahwa nilai VIF dari variabel Entrepreneurial Networking lebih kecil atau dibawah 5 VIF 5, ini berarti tidak terkena multikolinearitas anatara variabel independen dalam model regresi. Nilai tolerance dari variabel Entrepreneurial Networking lebih besar dari 0,1 tolerance 0,1, ini berarti tidak terdapat multikolinearitas antar variabel independen dalam model regresi.

B. Uji Hipotesis 1. Melihat Kelayakan Model Regresi

1. Jika

� ����� � ℎ����� , maka model regresi dianggap layak. 2. Jika nilai signifikan 0.05, maka model regresi dianggap layak. Universitas Sumatera Utara 64 Tabel 4.11 Uji Kelayakan Model Regresi Substruktur 1 ANOVA b Model Sum of Squares Df Mean Square F Sig. 1 Regression 686.933 1 686.933 56.319 .000 a Residual 646.449 53 12.197 Total 1333.382 54 a. Predictors: Constant, Keunggulan Bersaing b. Dependent Variable: Entrepreneurial Networking Sumber: Hasil Pengolahan SPSS 2016 Berdasarkan Tabel 4.11 dapat dilihat hasil perolehan F hitung pada kolom F yakni sebesar 56, 319 dengan tingkat signifikansi 0,000. Sedangkan F Tabel pada tingkat kepercayaan 95 α = 0,005 adalah 2,6. Oleh karena kedua perhitungannya yaitu F hitung F tabel dan tingkat signifikansinya 0,000 0,05, maka model regresi dinyatakan layak.

2. Menguji Ketepatan Predictor

Untuk menguji ketepatan predictor variabel eksogen yang digunakan untuk memprediksi variabel endogen dapat digunakan dengan membandingkan jika angka standar error of estimate angka standar deviasi maka predictor dipakai layak benar Situmorang dan Lutfi, 2014 : 221. Tabel 4.12 Uji Ketepatan Predictor Subtruktur 1 Descriptive Statistics N Minimum Maximum Mean Std. Deviation Entrepreneurial Networking 55 17.00 42.00 35.7818 4.96913 Keunggulan Bersaing 55 13.00 30.00 25.5818 3.90958 Valid N listwise 55 Universitas Sumatera Utara 65 Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .718 a .515 .506 3.49244 1.976 a. Predictors: Constant, Keunggulan Bersaing b. Dependent Variable: Entrepreneurial Networking Sumber: Hasil Pengolahan SPSS 2016 Dari Tabel 4.12 Dapat dilihat bahwa angka standart error of estimate angka standar deviasi, maka predictor yang digunakan layakbenar. Berdasarkan tabel di atas dapat dilihat nilai standar deviasi Entrepreneurial Networking 4,96 diatas angka standart error of estimate 3,49.

3. Menguji Kelayakan Koefisien Regresi